機器學習技術在民航安全管理中的應用探析

闕佳鴻

摘 要：文章介紹了機器學習的算法分類和應用場景，指出了我國民用航空安全系統的現狀以及存在的問題。并且在此基礎上探討了機器學習的主要技術在民航安全系統中的應用。為民航安全系統信息化建設進程的進一步發展提供了包括使用模式識別實現機場管制、計算機視覺實現場面安全、氣象數據預測、管制員疲勞監控和設備維修數據監測在內的諸多有價值的研究方向。

關鍵詞：機器學習；模式識別；計算機視覺；機場管制；民航安全

引言

安全管理是我們民用航空管理中的一個非常重要的問題，一直以來都受到整個行業的高度重視。機器學習作為人工智能技術的分支，已經在短短的幾年時間內滲透到我們身邊的各行各業，為之提供了大量的便利并極大的節省了人力及物力資源。由此我們推測，將機器學習及其相關技術應用到民航安全管理體系中，也將起到卓越的成效。本文便是對機器學習在民航安全管理的應用領域進行探索和分析。

1 機器學習介紹

1.1 定義

利用計算機對給定的數據進行分析并從中獲取規律是機器學習的首要研究目標，這些數據我們稱作觀測樣本，所學習到的規律我們稱之為模型。通過這些規律模型，可以對未來將要出現的數據進行預測。

圖1即機器學習的簡單示例。機器學習的第一步即是選擇一個規律模型，定義為決策函數f（x，？茲），該函數中的參數？茲并不確定。第二步則是通過機器學習的算法尋找出一個最適合的參數？茲？鄢，這個過程叫做訓練過程。經過以上兩個步驟，我們就可以使用f（x，？茲）模型對輸入的x進行結果預測。

1.2 應用場景

我們所描述的機器學習，不僅僅是針對一些已經經過結構化處理的信息，還應當包含圖像、音頻在內的數字化數據。從范圍上講，它類似于模式識別、統計學習、數據挖掘，正是由于機器學習與這些不同領域的結合，從而形成了它在計算機視覺、自然語言處理、語音識別這些交叉學科中的研究優勢。

2 民航安全管理

2.1 安全管理系統簡介

民用航空中比較傳統的思想認為沒有危險就表示安全，然而現代的安全管理思想并不這樣認為?，F代的安全管理思想把安全當做一種狀態，同時也是識別危險和管理風險的一個過程。由此可見，我們的安全管理系統（safety management system簡稱：SMS）必須是一個完整的、正規的、自頂向下的和有條不紊的綜合安全管理系統。

2.2 我國的民航安全管理系統現狀

分階段發展的策略是在改革開放以來我國的民航業實施的總方針[1]，并且已取得顯著成效：第一階段，通過逐漸放松進入市場的時機，讓民航走上企業化發展的道路；第二階段，在民航業內部實施全面的制度改革，為進入市場化進行機制創造條件，同時大步跨入市場化經營時期；第三階段，抓緊時機進行民航的行業重組，這一項改革已經取得了重大突破。雖然分階段的策略成績斐然，然而就目前來看，我國民航業的安全管理信息化進程依舊相對落后。

3 機器學習在安全管理體系中的應用

3.1 模式識別與機場管制

模式識別是工業業界提出的概念，而機器學習主要來自于計算機學術領域，在本質上二者沒有區別。機場管制也稱航空管制，航空流控 航路流控 等，指的是由于起降航班班次集中，飛機按關門先后順序排隊起飛，或者由于天氣、軍事、目的地機場問題等原因，塔臺對飛機起飛時間進行管制。機場管制的目的是保證航空安全，以及保障飛機的飛行秩序。

通過機器學習的模式識別技術，安全管理系統可以對機場終端區域的所有飛行器進行實時監控，分析處理一次雷達、二次雷達及自動相關監視系統（ADS-B）等監視設備傳回的包括飛行器高度、位置、運行狀態以及氣象信息在內的各種大規模數據，并在異常情況出現時，或者在異常情況即將出現之前（取決于機器學習算法的數據預測功能），向塔臺管制員提供預警服務，避免各種特情的發生。

3.2 計算機視覺與機場安全

人臉識別[2]是計算機視覺領域的一個非常重要的研究方向。傳統的人臉識別技術在實際應用中已經非常廣泛，但是從性能的角度來看，依然存在諸多問題，最重要的是，從安全的角度考慮亦存在諸多漏洞。現在已經證明出現的針對傳統人臉識別的黑客技術，已經屢見不鮮。而通過機器學習改進后的人臉識別技術[3]，不僅可以解決安全問題，并且十分有利于人臉識別精度的改善和人臉識別速度的提高。將優化后的人臉識別系統應用到機場的安檢流程中，可以大大提高安檢人員的工作效率，同樣降低人工工作的強度。

同樣的，計算機視覺及圖像處理技術還可應用于機場場面安全管理。比如，隨著通用航空的發展，無人機的數量快速增加，由于其制造成本低操作簡單等特性，越來越多的單位和個人開始使用無人機從事私人的業務。這些沒有規范管理的無人機，在缺乏地空空域管理的情況下，很容易就能夠飛行進入機場的管制區，形成巨大的安全隱患。利用計算機視覺進行遠距離攝像實時監控，有望很好的解決這個安全問題。

3.3 其他應用領域

除此之外，機器學習的各種算法模型，包括貝葉斯模型（Bayesian）、人工神經網絡（Artificial Neural Networks）、深度學習（Deep Learning）、組合方法（Ensemble Methods）、回歸（Regression）等等，均可根據各自的特性，應用于民航安全系統：數據預測特性可以應用于航空氣象數據的分析與預測中，用以提前為管制人員提供盡可能準確的氣象預報數據；語音識別及文本分析特性，可以應用于管制員與飛行員的陸空通話過程中，不僅可以監控陸空通話的內容，同時可以對參與人員的疲勞程度進行研判；大規模數據中的異常數據監測，可以應用于飛行器設備及地面設備的維修與保障中。

4 結束語

近年來，以機器學習技術推動的人工智能已經滲透到幾乎所有的工業領域。而機器學習的應用場景，也就是它的應用領域，也恰好與我們信息化安全建設的方方面面都有諸多重合。對于我們民航，確切的說，對于我們民航的安全管理系統，盡早引入并應用機器學習相關技術，將會極大的改善系統的工作效率并提高安全保障的成效。

參考文獻

[1]李洋.我國民航安全管理系統研究[D].中國海洋大學，2013.

[2]趙天聞.基于機器學習方法的人臉識別研究[D].上海交通大學，2008.

[3]沈萍.基于PCA及機器學習的人臉識別應用研究[J].計算機教育，2016（6）.